AI 에이전트 뉴스

메타가 20억 달러 규모로 인수하려던 에이전트 스타트업 마누스가 중국 규제 이슈로 인해 인수를 철회하고 독립 기업으로 복귀합니다. 마누스는 규제 요건 충족을 위해 이달 말까지 사용자 데이터를 삭제하며 양사의 관계를 최종 정리할 예정입니다.

바운드포가 자체 AI 데이터 운영 플랫폼 '드로파이'에 AI 토큰 지출 관리 서비스인 '파레토'를 추가했습니다. 이 서비스는 예산 한도를 초과하는 API 요청을 실행 전 차단하고, 팀별 사용 현황 및 예상 지출을 실시간으로 제공하여 기업의 비용 부담을 완화합니다.

AI 에이전트가 보안 인증이 불가능한 구형 컴퓨터의 소프트웨어 환경을 스스로 구축하며 기술적 난제를 해결하는 데 성공했습니다. 저자는 이러한 에이전트의 능력이 단순 자동화를 넘어, 가설 실행은 기계가 담당하고 인간은 판단에 집중하는 '아이디어 검증의 혁신'으로 이어질 것이라고 전망합니다.

스페이스XAI가 업무 자동화를 위한 에이전트형 AI '그록 봇'의 초기 베타 버전을 공개했습니다. 이 서비스는 사용자가 컴퓨터를 꺼두어도 백그라운드에서 작업을 지속하며, 단순 질의응답을 넘어 실제 컴퓨터 조작과 업무 수행이 가능한 것이 특징입니다.

AWS는 단순 클라우드 인프라 제공자를 넘어 애플리케이션 영역까지 아우르는 토털 AI 솔루션 기업으로 도약하기 위해 업무용 에이전틱 AI 도구인 '아마존 퀵'을 선보였습니다. 이 서비스는 기존 업무 앱과 데이터를 통합하여 개인 및 조직의 반복적인 업무를 자동화하고, 데이터 기반의 인사이트를 실행 가능한 워크플로우로 연결하는 데 집중합니다.

한컴라이프케어가 프랑스 샤크로보틱스와의 독점 계약을 통해 소방 로봇에 에이전틱 OS를 탑재하고 피지컬 AI 사업을 본격화한다. 이번 협력은 단순 판매를 넘어 소프트웨어 기술력을 확보하여 향후 물류 및 건설 등 다양한 산업용 로봇 시장으로 플랫폼을 확장하는 것을 목표로 한다.

독파모 프로젝트의 2차 평가 결과 발표가 임박한 가운데, 평가 지표와 모델 체급 설정 기준의 불충분함을 지적하는 목소리가 나오고 있습니다. 특히 AAII 9개 지표의 반영률 차이와 에이전틱(Agentic) 성능을 측정할 수 있는 지표 부족이 주요 개선 과제로 거론됩니다.

메타(Meta)의 인수 시도가 중국 규제 당국의 외국인 투자 금지 결정으로 무산됨에 따라, 에이전틱 AI 기업 Manus AI가 독립 운영 체제로 복귀합니다. 이 과정에서 법적 요구사항을 충족하기 위해 일부 사용자 데이터 삭제가 불가피해졌으며, 이는 기술 자국 우선주의를 강화하는 사례로 남게 되었습니다.

Unsloth Desktop은 사용자의 로컬 GPU를 활용해 LLM, 이미지, 비디오, 오디오 등 다양한 AI 모델을 실행하고 학습시킬 수 있는 오픈소스 애플리케이션입니다. Claude Code와 같은 에이전트를 로컬 환경에 손쉽게 연결할 수 있으며, 노코드 워크플로우를 통해 복잡한 과정 없이 모델 미세 조정이 가능합니다.

AI 코딩 에이전트의 등장으로 개발 프로세스가 '작성'에서 '검증 및 유지보수'로 변화함에 따라, Go 언어의 예측 가능한 문법과 통합된 개발 플랫폼이 AI 생성 코드의 오류를 줄이는 데 핵심적인 역할을 한다는 내용입니다. Go는 강력한 표준 도구와 호환성을 통해 AI가 스스로 코드를 수정하고 최적화하는 '자기 교정 루프'를 구축하기에 유리한 구조를 갖추고 있습니다.

2026년 8월 AI 게이트웨이 인덱스에 따르면, DeepSeek가 구글을 제치고 토큰 사용량 2위를 기록하며 비용 효율성을 주도하고 있습니다. 한편 Anthropic은 높은 단가를 유지하며 프리미엄 시장을 점유 중이며, Kimi K3와 같은 에이전트 특화 모델의 급격한 성장이 관찰되었습니다.

NIA는 기존의 분절된 행정 서비스를 하나의 AI 인터페이스로 통합하는 'AI 정부' 구현을 위해 공공 AI 서비스 지원 사업을 내년에 두 배로 확대할 계획입니다. 이를 위해 데이터 표준화, 메타데이터 정비, MCP(Model Context Protocol) 도입 등 AI 에이전트가 데이터를 원활히 활용할 수 있는 공통 아키텍처와 인프라 구축에 집중합니다.

Grok Bot은 사용자가 사용하는 앱과 웹사이트를 사람처럼 직접 조작하여 업무를 수행하는 AI 에이전트 기능을 제공합니다. 한 번의 로그인으로 복잡한 인터페이스를 가진 도구까지 스스로 탐색하며 실제적인 업무 프로세스를 완결할 수 있습니다.

저자들은 복잡한 GPU 커널 작성을 위해 사용하던 CUDA DSL과 같은 추동력 있는 추상화 계층을 제거하고, 대신 AI 에이전트를 활용해 직접 최적화된 코드를 생성하는 방식을 도입했습니다. 이는 에이전트가 모호한 지시사항을 이해하여 정밀한 코드로 변환할 수 있게 됨에 따라, 인지적 부담을 줄여주던 기존의 소프트웨어 추상화 도구들이 점차 퇴출될 수 있음을 의미합니다.

자율형 AI 에이전트 도입 시 발생할 수 있는 보안 리스크를 관리하기 위해 CISO가 반드시 점검해야 할 세 가지 핵심 요소인 SSO, RBAC, 감사 추적에 대해 설명합니다. 특히 사용자 신원과 연동된 인증, 최소 권한 원칙을 적용한 정교한 권한 제어, 그리고 사후 분석이 가능한 불변의 로그 기록이 필수적임을 강조합니다.

AI 에이전트가 대용량 파일을 직접 읽는 대신 PowerShell 스크립트와 같은 외부 도구를 사용하여 필요한 정보만 검색하도록 설계함으로써 토큰 비용을 획기적으로 줄이는 사례를 소개합니다. 이를 통해 AI의 역할을 단순 데이터 처리가 아닌 고도화된 추론에 집중시킬 수 있습니다.

동일한 이름을 가진 두 개의 서로 다른 디렉토리 파일로 인해, 안전 검증 로직의 존재 여부에 대해 두 AI 에이전트가 상충하는 결과를 보고했습니다. 이는 단순한 코드 버그가 아니라 환경적 불일치가 초래할 수 있는 잠재적 위험을 보여주며, 검증 시 파일 경로와 재현 가능한 명령어를 확인하는 프로세스의 중요성을 일깨워줍니다.

방대한 양의 고객 리뷰를 정량적으로 분석하여 핵심 인사이트와 실행 가능한 액션 아이템을 추출하는 'ReviewPilot' 개발 사례를 소개합니다. CSV 파싱 자동화, 사전 비용 추정, 엄격한 JSON 스키마 적용 등 비용 효율적이고 신뢰도 높은 AI 에이전트 구축 기술을 상세히 설명합니다.

OpenRouter 데이터에 따르면 DeepSeek와 Qwen 등 중국계 모델이 전체 토큰 사용량의 상당 부분을 차지하며 미국 모델을 추월하고 있습니다. 이는 에이전트 기반 워크로드 증가로 인해 비용 효율성이 핵심 지표가 되었기 때문이며, 개발자들은 작업 난이도에 따라 모델을 분리 사용하는 전략을 채택하고 있습니다.

Backboard CLI가 최신 터미널 벤치마크인 Terminal-Bench 2.1에서 Anthropic과 OpenAI의 에이전트를 앞지르는 압도적인 성능을 기록했습니다. 이는 특정 모델에 종속되지 않고 작업 분해와 컨텍스트 관리를 최적화한 '하네스(Harness)' 기술의 승리로 평가받으며, Backboard는 해당 CLI를 곧 오픈소스로 공개할 예정입니다.